سید امیرمحمد حجازیان

در عصری که شرکت ها برای بقا در بازارهای رقابتی با چالش های فراوانی روبه رو هستند، شناسایی عوامل تاثیرگذار بر بحران های مالی اهمیت می یابد. یکی از راه های کمک به سرمایه-گذاران و شرکت ها ارائه، الگوهایی جهت پیش بینی درماندگی مالی است. هدف این پژوهش، بررسی توانایی تئوری مجموعه راف و مقایسه آن با شبکه های عصبی مصنوعی و فازی جهت پیش بینی درماندگی مالی شرکت های فعال در بورس اوراق بهادار تهران است. بدین منظور 329 جفت شرکت سالم و درمانده مالی طی بازه زمانی سال های 1385-1399 انتخاب شده است. شبکه-های عصبی بررسی شده در این پژوهش عبارتنداز: شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عملکرد پایه شعاعی (RBF) و شبکه استنتاج فازی انطباق پذیر(ANFIS) و همچنین نرم افزار مورد استفاده جهت ایجاد تئوری مجموعه راف ROSETTA و نرم افزار مورد استفاده جهت طراحی شبکه های عصبی مصنوعی و فازی نرم افزار MATLAB می باشد. نتایج به دست آمده در این پژوهش نشان از کارایی بالای مدل مجموعه های راف با دقت 7/98درصد جهت پیش بینی درماندگی مالی دارد.